La ciencia de datos dejó de ser cosa de bancos y tecnológicas y hoy decide qué crema se lanza, qué aviso se escala y qué se enseña en las aulas.

Astronauta, futbolista, veterinaria, bombero. Durante generaciones, esas fueron algunas de las respuestas más habituales a la pregunta de “¿qué querés ser cuando seas grande?”. Internet sumó una nueva posibilidad, aunque en forma de meme: una gorra con la inscripción “Desde chico soñé con transformar datos no estructurados en insights accionables para el negocio”.

El chiste funciona porque nadie jamás soñó con eso durante su infancia. Sin embargo, el Foro Económico Mundial ubica a los especialistas en big data en el primer puesto de los empleos con mayor crecimiento proyectado hacia 2030.

Lo interesante es que esta transformación ya no ocurre únicamente en las empresas tecnológicas, las fintech o Silicon Valley. También atraviesa industrias tan diversas como la publicidad, la cosmética y la educación, ámbitos en los que durante décadas las decisiones estuvieron asociadas al olfato comercial, la experiencia y las grandes ideas.

De Don Draper al dashboard

Quien haya visto Mad Men (2007-2015) recuerda cómo se ganaba una cuenta en la Madison Avenue de los años sesenta. Don Draper entraba a una sala, apagaba las luces y convencía al cliente con una historia sobre la nostalgia, el deseo o las aspiraciones humanas. Todo, probablemente, después de unos cuantos Old Fashioned a las diez de la mañana.

Nadie le pedía un tablero de métricas ni cuestionaba demasiado su aliento a licor. El talento estaba en la intuición, y la intuición no se auditaba.

Durante décadas, esa forma de entender la publicidad convivió con la frase de John Wanamaker: “La mitad del dinero que gasto en publicidad se desperdicia; el problema es que no sé cuál mitad”. La incertidumbre era parte del negocio y, en buena medida, se aceptaba como inevitable.

Hoy existen herramientas que permiten acercarse mucho más a una respuesta. Aunque medir no siempre significa comprender. “El clic indica qué hizo una persona antes de comprar, pero no si hubiera comprado de todos modos”, explican desde ABN, el grupo que integra medios, analítica, automatización e inteligencia artificial.

Para resolver esa incógnita, las empresas recurren a los tests de incrementalidad, que permiten comparar regiones similares en las que se mantiene o suspende la publicidad y medir el impacto de esa diferencia. También utilizan modelos de Marketing Mix Modeling, que analizan varios años de inversión y ventas para estimar cuánto aporta cada canal y en qué momento deja de resultar rentable aumentar el presupuesto. La sofisticación de estas herramientas introdujo un problema que antes tenía consecuencias mucho más limitadas: “Los datos siempre fueron estratégicos. Lo que cambió es el costo de medir mal”, señalan desde ABN.

En el pasado, una medición equivocada podía terminar en un informe poco preciso. Ahora, esa misma información alimenta algoritmos que distribuyen presupuestos publicitarios y sistemas de inteligencia artificial que responden consultas o participan en la toma de decisiones. En sus auditorías, ABN encuentra con frecuencia compras contabilizadas dos veces, visitas a páginas registradas como conversiones o montos que mezclan pesos y dólares. Errores que pueden parecer administrativos, pero que terminan modificando decisiones comerciales.

Dicho de otro modo, Don Draper al menos sabía que estaba apostando. Por eso, el grupo sostiene una condición para trabajar con sus clientes: deben permitirle auditar sus sistemas de seguimiento y construir un data warehouse propio, un repositorio que centraliza la información necesaria para analizar el negocio.

Más allá del manual de Kotler

Generaciones de profesionales aprendieron marketing a través de Dirección de Marketing, de Philip Kotler. Segmentar el mercado, identificar al público objetivo y construir un posicionamiento eran, y siguen siendo, algunas de sus principales enseñanzas.

Lo que cambió es la capacidad de observar al consumidor, identificar comportamientos emergentes y contrastar esas señales antes de convertirlas en una estrategia comercial. Un ejemplo aparece en la industria cosmética, donde Natura detectó un cambio en la manera en que las personas entienden el cuidado del cabello. Los consumidores comenzaron a trasladar la lógica del skincare, tradicionalmente asociada al rostro, a sus rutinas capilares.

“Pasamos de una lógica más reactiva, de actuar cuando aparece un problema, a una mirada mucho más preventiva, consciente e integral”, explica Florencia Violini, gerenta de Marketing de Natura Mercado Sur.